如何在R中按列序号而非列名计算指定列的均值

问题背景 #

数据框中第26列为最新年月的数值数据（列名随月份动态变化，如Dec-23、Jan-24），需计算该列均值，无需手动修改列名。

数据框结构示例：

错误尝试与原因 #

尝试1 #

z_name = names(df[,26])
z = df$z_name

错误提示：

Warning message:
Unknown or uninitialised column: z_name

原因：df$z_name会按字面字符串"z_name"查找列，而非变量z_name存储的列名，需用[[ ]]而非$引用变量存储的列名。另外names(df[,26])写法冗余，正确获取第26列列名应为names(df)[26]。

尝试2 #

mean.df.latest = df %>% mean(.[[26]])

错误提示：

Warning: argument is not numeric or logical: returning NA

原因：管道会将整个数据框传给mean()，mean()默认处理数据框整体而非单列向量，导致类型不匹配报错。需先提取单列向量再计算均值。

正确解决方案 #

方法1：直接通过列索引提取向量计算 #

# 提取第26列向量并计算均值，na.rm=TRUE忽略缺失值
mean_latest = mean(df[[26]], na.rm = TRUE)

方法2：先获取列名再提取计算 #

# 获取第26列的列名
z_name = names(df)[26]
# 通过列名提取向量计算均值
mean_latest = mean(df[[z_name]], na.rm = TRUE)

方法3：使用dplyr管道的正确写法 #

library(dplyr)
mean_latest = df %>% 
  pull(26) %>%  # 提取第26列的数值向量
  mean(na.rm = TRUE)

内容的提问来源于stack exchange，提问作者Emma541